ИИ вместо сотрудников: почему бизнес возвращает уволенных

Компании увольняли людей и ставили ИИ вместо сотрудников ради экономии. Летом 2026 года выяснилось, что многие возвращают уволенных обратно.

Разворот заметный. Ставка «ИИ вместо сотрудников» у части бизнеса вместо экономии обернулась перенаймом, ростом жалоб и падением качества. Разберём на цифрах и конкретных кейсах, где нейросеть реально снимает работу, где бьёт по деньгам, и как принять кадровое решение, о котором потом не пожалеете.

Каждую неделю разбираем нейросети и автоматизацию для бизнеса: инструменты, кейсы, ошибки. Подпишитесь, чтобы не пропустить новое по теме.

Что происходит: бизнес ставил ИИ вместо сотрудников и возвращает уволенных

В июне и июле 2026 года тема «ИИ-бумеранг» вышла в топ деловых СМИ. Lenta, iXBT, «Коммерсантъ», РБК Pro и CNews писали об одном: бизнес, поставивший ИИ вместо сотрудников, начал возвращать уволенных.

За громкими заголовками стоят опросы. Британская компания Orgvue опросила руководителей: 39% сокращали сотрудников в результате внедрения ИИ, и 55% из них признали, что приняли неверные решения. А по данным Robert Half (опрос почти 2000 нанимающих менеджеров, приводит CNBC), 32% компаний, которые убрали роль из-за ИИ, потом снова наняли на неё человека.

Аналитики Forrester в прогнозе на 2026 год пишут, что около половины ИИ-увольнений будет тихо отыграно назад, часто с возвратом людей на меньшую зарплату. Платформа Visier по данным 2,4 млн сотрудников в 142 компаниях зафиксировала, что примерно 5,3% уволенных возвращаются к бывшему работодателю.

Вывод простой. «ИИ вместо сотрудников» оказался дорогим решением, которое у многих пришлось откатывать. Дальше - почему так вышло.

Почему ИИ вместо сотрудников не дал экономии?

Расчёт «уберём людей, поставим подписку на нейросеть» выглядит убедительно на бумаге. На практике экономия часто не материализуется.

Отчёт MIT «State of AI in Business 2025» показал: 95% организаций не получили от генеративного ИИ измеримой отдачи на прибыль, и лишь 5% извлекли реальную стоимость. Важная деталь: дело почти никогда не в самой модели. Причина - в том, что ИИ не встроен в процессы, данные и структуру компании. MIT называет это разрывом в обучении.

Скрытые затраты и есть главный сюрприз. Когда бизнес считает выгоду от замены людей на ИИ, он видит экономию на фонде оплаты труда. Но не закладывает расходы, которые приходят следом:

1. Перенайм. Уволенных возвращают, а найм заново стоит денег и времени.
2. Надзор за ИИ. Кто-то в штате должен проверять ответы нейросети и ловить ошибки.
3. Исправление ошибок. Промах бота с клиентом или в документе обходится дороже сэкономленной ставки.
4. Потеря знаний. Опытные люди уходят, а их опыт не был передан ни коллегам, ни системе.

Если тема окупаемости для вас на первом месте, посмотрите отдельный разбор, как считать возврат вложений в ИИ для бизнеса и сколько на самом деле стоит ИИ-агент в месяц. Там подробно про полную стоимость, а не только про экономию на бумаге.

Почему бот не тянет сложные случаи?

Схема «ИИ вместо сотрудников» чаще всего рушится на сложных обращениях. Лучше всего это видно на конкретных историях.

Klarna. Финтех-компания заменила около 700 сотрудников поддержки ИИ-ассистентом и заявляла, что бот ведёт до двух третей обращений. Итог - рост жалоб и падение удовлетворённости: на сложных кейсах бот отвечал шаблонно. Глава Klarna Себастьян Семятковский признал, что компания зашла слишком далеко, переоценила ИИ и недооценила человеческую сторону сервиса. Klarna снова начала нанимать людей.

Commonwealth Bank of Australia. Банк сократил 45 сотрудников поддержки после запуска голосового бота и отчитался, что тот снизил нагрузку на 2000 звонков в неделю. На деле звонки росли, банку пришлось сажать на телефоны тимлидов. 21 августа 2025 года сокращения отменили и предложили вернуть всех 45 человек.

Ford. Автопроизводитель несколько лет опирался на автоматический контроль качества и постепенно нанял обратно около 350 опытных инженеров, чтобы исправлять дефекты, которые ИИ не ловил. Вице-президент Ford Чарльз Пун признал ошибку: в компании думали, что достаточно загрузить в ИИ требования - и выйдет качественный продукт.

Общий знаменатель у всех историй один. ИИ закрывает основную массу типовых запросов, но на сложных случаях ошибается. Показательна цифра из кадрового сервиса IBM AskHR: ИИ-ассистент закрывает около 94% типовых обращений, а оставшиеся 6% - сложные случаи, где нужны суждение и этика, - остаются людям. Эти шесть процентов и есть то, ради чего клиент запомнит вас или уйдёт.

Собрать бота, который аккуратно берёт первую линию и вовремя передаёт сложное человеку, - отдельная задача. Её закрывает готовое решение для автоматизации бизнеса с ИИ: нейросеть снимает поток типовых обращений, а спорное уходит менеджеру. Это первый шаг, а не замена всего отдела.

Какие задачи отдать ИИ, а какие оставить человеку?

Правильный вопрос звучит не «кого уволить», а «какую задачу автоматизировать». Вот рабочая раскладка для типового малого и среднего бизнеса.

Логика раскладки простая: чем выше объём и предсказуемость задачи, тем безопаснее её отдать ИИ. Чем выше цена ошибки и роль эмоций, тем важнее оставить человека. Ошибка Klarna, CBA и Ford была в том, что они отдали боту в том числе и сложные случаи.

Если хотите увидеть, какие именно рутинные задачи нейросеть закрывает в первую очередь, посмотрите разбор пяти задач, которые ИИ снимает с команды.

Как понять, что задачу пора автоматизировать?

Чтобы не решать на глаз, прогоните задачу по пяти вопросам.

1. Объём большой? Десятки и сотни однотипных обращений в день - хороший кандидат. Пара сложных писем в неделю - нет.
2. Сценарий повторяется? Если ответ почти всегда строится по одной схеме, ИИ справится. Если каждый случай уникален - нет.
3. Цена ошибки низкая? Промах в ответе на типовой вопрос легко поправить. Промах в возврате денег или в договоре стоит дорого.
4. Есть на что опереться? У ИИ должна быть база знаний или регламент. Без опоры нейросеть начнёт придумывать.
5. Клиент не ждёт человека? На эмоциональном или спорном контакте люди хотят живого сотрудника, и это нормально.

Пять «да» - задачу можно отдавать ИИ. Три-четыре «да» - делайте гибрид: черновик за нейросетью, решение за человеком. Меньше - пока оставьте человеку.

Чтобы ИИ отвечал строго по вашим данным и не выдумывал, ему нужна собранная база знаний. Как её подготовить, разобрано в отдельном материале про базу знаний для нейросети.

Что делать вместо тотальной замены

Компании, которые не пожалели о внедрении, поняли «ИИ вместо сотрудников» иначе. Они перестроили работу по простому принципу: нейросеть на исполнении рутины, человек на контроле и на сложном.

Такой подход даёт тройную выгоду. Люди уходят с потока однотипных задач на то, что приносит деньги: переговоры, удержание, развитие. ИИ держит объём и скорость на первой линии. А бизнес не теряет носителей опыта и не платит потом за перенайм.

Практический план на старте выглядит так:

1. Возьмите одну задачу, а не весь отдел. Лучше всего - обработку типовых обращений.
2. Задайте метрику заранее. Например, доля автоматически закрытых обращений и время ответа. Без метрики вы не поймёте, сработало или нет.
3. Запустите пилот на 2-4 недели. Нейросеть на первой линии, обязательная передача сложного человеку.
4. Замерьте и решите. Метрика выросла - расширяйте. Нет - разберите, где бот ошибается, и поправьте.
5. Только потом трогайте штат - и то через перераспределение задач, а не через поспешное сокращение.

Подробный разбор того, почему проваливаются внедрения и как этого избежать, собран в опорном материале про внедрение ИИ в малом бизнесе.

Что учесть по закону, прежде чем сокращать людей?

Отдельно про правовую сторону, потому что здесь легко влететь на деньги. Это не юридическая консультация, конкретную ситуацию проверяйте с трудовым юристом. Но общие рамки знать полезно.

Само по себе внедрение нейросети не даёт права уволить сотрудника. Расстаться можно по сокращению численности или штата, а это регламентированная процедура по статьям 81 и 179-180 Трудового кодекса. Коротко, что она требует:

• уведомить работника под роспись не менее чем за 2 месяца;
• предложить имеющиеся вакансии, которые сотрудник может занять;
• учесть преимущественное право - при равных должностях остаются люди с более высокой квалификацией и производительностью;
• уведомить службу занятости в установленный срок;
• выплатить выходное пособие по закону.

Любое формальное нарушение порядка - повод для суда. Восстановление работника, оплата вынужденного прогула и компенсация морального вреда легко перекроют всю задуманную экономию. Добавьте сюда репутационный риск: публичная подача «мы заменили людей ботом» вредит бренду работодателя, а тихий возврат уволенных на меньшую зарплату вредит ещё сильнее.

С чего начать малому бизнесу в России?

Хорошая новость: чтобы получить пользу от ИИ, увольнять никого не нужно. Достаточно снять с людей поток рутины.

Для российского бизнеса есть рабочая связка. Доступ к зарубежным моделям вроде ChatGPT и Claude нестабилен, а оплата затруднена, поэтому на первой линии удобно опираться на GigaChat от Сбера и YandexGPT от Яндекса: рублёвая оплата, российская юрисдикция данных и без блокировок. Какую модель выбрать под задачу, разобрано в материале про российские нейросети для бизнеса.

Порядок действий для старта:

1. Выберите одну задачу с большим объёмом и понятным сценарием - обычно это обработка входящих заявок или ответы на частые вопросы.
2. Соберите базу знаний, чтобы нейросеть отвечала по вашим данным, а не выдумывала.
3. Настройте обязательную передачу сложного и денежного человеку.
4. Замерьте результат на пилоте и расширяйте только то, что сработало.

Обработку входящих заявок можно передать ИИ-продавцу, который отвечает 24/7 и квалифицирует лиды, а сложные обращения отдаёт менеджеру. Здоровая модель выглядит так: ИИ снимает первичку и рутину, а команда занимается тем, что приносит результат.

Итог. «ИИ вместо сотрудников» как лозунг не сработал у тех, кто понял его буквально. Сработало усиление людей: нейросеть на рутине, человек на сложном. Начните с одной задачи, замерьте выгоду и растите от неё - это дешевле и честнее, чем сокращать людей и через полгода звать их обратно.